Python Fundamentals (Python Temelleri)

• Variable & Types Basics (Değişkenler ve Veri Tipleri)

• Decision Mechanism (Karar Mekanizmaları)

• Loops (Döngüler)

• List, Tuple & Dictionary (Liste, Demet ve Sözlük Yapıları)

• Built-in Functions (Hazır Fonksiyonlar)

• Custom Functions (Kullanıcı Tanımlı Fonksiyonlar)

OOP with Python (Nesne Yönelimli Programlama)

• Class, Init & Method Overriding (Sınıflar, Başlatıcı Metot ve Metot Ezme)

• Inheritance (Kalıtım)

• Encapsulation (Kapsülleme)

• Abstraction (Soyutlama)

Pandas & NumPy (Veri Analizi Kütüphaneleri)

• Pre-processing Data (Veri Ön İşleme)

• Define & Handle Missing Values (Eksik Verileri Tanımlama ve Yönetme)

• Data Formatting (Veri Biçimlendirme)

• Data Normalization & Standardization (Veri Normalizasyonu ve Standardizasyonu)

• Working with Categorical Values (Kategorik Verilerle Çalışma)

• Analysis of Variance & Correlation – Statistics (Varyans Analizi ve Korelasyon – İstatistik)

• Project (Proje): Öneri Sistemi (İçerik Tabanlı & İşbirlikçi Filtreleme, Pearson Korelasyon)

Machine Learning with Sklearn (Makine Öğrenmesi)

• Regression (Regresyon):

  • Simple, Multiple Linear Regression (Basit ve Çoklu Doğrusal Regresyon)

  • Non-Linear Regression (Doğrusal Olmayan Regresyon)

• Classification (Sınıflandırma):

  • K-Nearest Neighbors (En Yakın Komşu Algoritması)

  • Decision Trees (Karar Ağaçları)

  • Logistic Regression (Lojistik Regresyon)

  • Support Vector Machine (Destek Vektör Makineleri)

• Clustering (Kümeleme):

  • K-Means Clustering (K-Ortalamalı Kümeleme)

  • Hierarchical Clustering (Hiyerarşik Kümeleme)

Deep Learning (Derin Öğrenme)

• Introduction to Deep Learning (Derin Öğrenmeye Giriş)

• Neural Networks (Yapay Sinir Ağları)

• Convolutional Neural Networks – CNN (Evrimsel Sinir Ağları)

• Recurrent Neural Networks – RNN (Tekrarlayan Sinir Ağları)

Generative AI & LLM Architecture (Üretken Yapay Zekâ ve Büyük Dil Modelleri Mimarisi)

• Generative AI Libraries (Üretken Yapay Zekâ Kütüphaneleri)

• Exploring Tokenization (Tokenizasyon Mantığı)

• NLP Data Loader (Doğal Dil Verisi Yükleme)

Generative AI Language Modeling (Üretken Yapay Zekâ ile Dil Modellemesi)

• Data Preparation for BERT (BERT için Veri Hazırlama)

• Decoder Causal LM for GPT (GPT için Nedensel Kod Çözücü Model)

• Applying Transformers for Classification (Sınıflandırma için Transformer Kullanımı)

Generative AI Engineering (Üretken Yapay Zekâ Mühendisliği)

• Loading Models with Hugging Face (Hugging Face ile Modelleri Yükleme)

• Pre-training & Fine-tuning LLMs (Büyük Dil Modellerini Ön Eğitim ve İnce Ayar)

• Fine-tuning Transformers with PyTorch (PyTorch ile Transformer Modellerine İnce Ayar)

• LoRa Optimization Fine-Tuning for PyTorch (PyTorch için LoRa Optimizasyonu ile İnce Ayar)

• Reward Modeling (Ödül Modellemesi)

Gen AI Foundational Models for NLP (NLP için Temel Üretken Yapay Zekâ Modelleri)

• Document Classification (Belge Sınıflandırma)

• Building & Training Language Models (Dil Modelleri Geliştirme ve Eğitme)

• Developing Sequence-to-Sequence Models (Girdi-Çıktı Dizisi Modelleri Geliştirme)

Fundamentals of AI Agents (Yapay Zekâ Ajanları Temelleri)

• RAG with Hugging Face & PyTorch (Hugging Face & PyTorch ile RAG Kullanımı)

• In-Context Engineering and Prompt Templates (Bağlam İçi Mühendislik ve Prompt Şablonları)

• AI Apps with LLMs & LangChain (LLM ve LangChain ile Yapay Zekâ Uygulamaları)

• Summarize Documents with RAG, LangChain and LLMs (RAG, LangChain ve LLM ile Doküman Özetleme)

ss

Burak Yılmaz İstanbul Üniversitesi Hasan Ali Yücel Eğitim Fakültesi Bilgisayar Öğretmenliği bölümünden mezun olmuştur. Eğitim ve teknoloji sektöründe 9 yıllık deneyime sahip olan Burak, İstanbul Aydın Üniversitesi’nde eğitmenlik yapmış ve Çeşitli kurumlarda danışmanlık ile program yöneticiliği görevlerinde bulunmuştur. Şu anda Corporate Sense firmasında Senior Python ve RPA Developer olarak çalışmakta ve aynı zamanda IBM Data Science Foundations Specialist sertifikasına sahiptir.

Eğitimde, makine öğrenimi, derin öğrenme ve Generative AI alanlarında 20 uygulamalı proje geliştirerek; model eğitimi, sınıflandırma, tahminleme ve LLM tabanlı yapay zeka uygulamaları üzerinde gerçek dünya senaryolarında deneyim kazanacaksınız.

Araç Veri Seti için Bakım ve Onarım

(Large Dataset Maintenance and Repair)

Büyük ölçekli araç veri setleri üzerinde temizlik, hata düzeltme ve veri bütünlüğü sağlama süreçlerini uygulayacaksınız.

Göçmen Veri Setinin Analizi ve Görselleştirilmesi

(Analysis and Visualization of a Migrant Dataset)

Göçmenlerle ilgili verileri analiz ederek, görselleştirme teknikleriyle anlamlı içgörüler çıkaracaksınız.

İçerik Tabanlı ve İşbirlikçi Filtreleme Yöntemleriyle Tavsiye Sistemi

(A Recommender System Using Both Content-Based and Collaborative Filtering Methods)

Kullanıcı geçmişi ve tercih verileri üzerinden öneri algoritmaları tasarlayarak tavsiye sistemleri geliştireceksiniz.

Basit ve Çoklu Doğrusal Regresyon

(Simple and Multiple Linear Regression)

Gerçek dünya verileriyle çalışarak regresyon analizi ve ilişki modelleme becerilerinizi geliştireceksiniz.

Ürün Sınıflandırması için K-En Yakın Komşu (KNN)

(K-Nearest Neighbors for Product Classification)

Ürün veri setlerinde benzerlik ölçümlerine dayalı sınıflandırma modelleri oluşturacaksınız.

Eczane Veri Seti için Karar Ağacı

(Decision Tree for Pharmacy Dataset)

Veri tabanlı karar verme süreçlerini modelleyerek karar ağacı algoritmalarını uygulayacaksınız.

Duygu Analizi için Lojistik Regresyon

(Logistic Regression for Sentiment Analysis)

Yorum ve metin verileri üzerinden olumlu/olumsuz duygu sınıflandırması yapacaksınız.

İnsan Hücre Kayıtları için Destek Vektör Makineleri (SVM)

(Support Vector Machines for a Human Cell Recording Dataset)

Destek vektör makineleriyle yüksek doğruluk oranına sahip sınıflandırma modelleri geliştireceksiniz.

Müşteri Segmentasyonu için K-Means Kümeleme

(K-Means Clustering for Customer Segmentation)

Kümeleme algoritmalarıyla müşteri verilerini gruplandırarak segmentasyon analizleri yapacaksınız.

Ürün Tahmini için Yapay Sinir Ağları

(Artificial Neural Networks for Product Recommendation)

Yapay sinir ağlarıyla ürün öneri sistemleri ve tahmin modelleri geliştireceksiniz.

Görüntü Tanıma için Evrişimli Sinir Ağları (CNN)

(Convolutional Neural Networks for Picture Classification)

Görsel veri setleri üzerinde CNN mimarileri kullanarak sınıflandırma modelleri oluşturacaksınız.

Zaman Serisi Tahmini için Tekrarlayan Sinir Ağları (RNN)

(Recurrent Neural Networks for Time Series Forecasting)

Zaman serilerine dayalı tahmin modelleri geliştirerek geleceğe yönelik öngörüler oluşturacaksınız.

Duygu Analizi için Tekrarlayan Sinir Ağları (RNN)

(Recurrent Neural Networks for Sentiment Analysis)

Kullanıcı yorumları gibi metin tabanlı verilerde duygusal tonları tespit eden RNN modelleri oluşturacaksınız.

Generative AI – Doküman Sınıflandırma

(Generative AI – Classifying Document)

Yapay zekâ modelleriyle metinleri sınıflandırır, belge türlerine göre otomatik etiketleme uygularsınız.

Generative AI – İnce Ayar (Fine-Tuning)

(Generative AI – Fine Tuning)

Hugging Face ve PyTorch üzerinde önceden eğitilmiş modelleri kendi veri setinizle optimize edersiniz.

Generative AI – Ödül Modellemesi (Reward Modelling)

(Generative AI – Reward Modelling)

Model çıktılarının değerlendirilerek ödül tabanlı (reinforcement feedback) ince ayar yapılması sağlanır.

Generative AI – Duygu Analizi (Sentiment Analysis)

(Generative AI – Sentiment Analysis)

Metinlerdeki duygusal tonları (olumlu, olumsuz, nötr) tespit eden modeller geliştirirsiniz.

AI Agent – LLM ve LangChain Kullanarak Akıllı Uygulama Geliştirme

(AI Agent – Build Smart App with LLMs and LangChain)

LangChain kullanarak LLM tabanlı bir akıllı uygulama oluşturur, kullanıcı girdilerine göre yanıt üreten sistem tasarlarsınız.

AI Agent – RAG, LangChain ve LLM’ler ile Özel Doküman Özetleme

(AI Agent – Summarize Private Document using RAG, LangChain and LLMs)

LangChain ve RAG mimarisiyle özel belgelerden anlamlı özetler çıkaran bir AI Assistant geliştirirsiniz.

Programı başarıyla tamamlayan katılımcılar, hem ulusal hem de uluslararası geçerliliğe sahip toplam 4 farklı sertifikaya hak kazanır:

IATELS Uluslararası Başarı Sertifikası

Uluslararası geçerliliğe sahip IATELS onaylı bu sertifika, dünya çapında tanınan bir başarı belgesidir.

Yıldız Teknik Üniversitesi Teknopark Katılım Sertifikası

YTU Teknopark onaylı bu sertifika, akademik ve sektörel çevrelerde değerli bir referans niteliği taşır.

Skilled Hub Katılım Sertifikası

Program süresince eğitime düzenli katılım sağlayan tüm öğrencilerimize verilir.

Skilled Hub Başarım Sertifikası

Uygulamalı projeleri başarıyla tamamlayan ve mezuniyet kriterlerini yerine getiren katılımcılarımıza özel olarak verilir.

Skilled Hub olarak, öğrencilerimize yalnızca teknik eğitim sunmakla kalmıyor; mezuniyet sonrası iş ve staj fırsatlarına ulaşmaları için kapsamlı bir kariyer desteği sağlıyoruz.

Güçlü insan kaynakları iş birliklerimiz ve mentörlük ağımız sayesinde, her öğrencimizin sektöre adım atmasını kolaylaştırıyoruz.

Partner Kurumlarımız ve Destekler:

Dag Danışmanlık

Eğitim süresi boyunca birebir kariyer görüşmeleri, işe hazırlık çalışmaları ve psikolojik dayanıklılık alanlarında destek sağlanır. Katılımcılar, yalnızca teknik değil; aynı zamanda kişisel ve profesyonel gelişim açısından da güçlendirilir.

Anytime

Yapay zeka destekli eşleştirme sistemiyle öğrencilerimizin mezuniyet sonrası 150’den fazla işverenle bağlantıya geçmesini sağlar. Staj ve iş olanakları için etkili bir dijital köprü sunar.

Peoployed

Yazılım, e-ticaret ve lojistik sektörlerinde faaliyet gösteren firmalarla güçlü bağlantılara sahiptir. Yapay zeka destekli eşleştirme sistemi sayesinde, öğrencilerin yetkinliklerine uygun pozisyonlarla eşleştirilmesi sağlanır.

Tüm kariyer destekleri, öğrencilerimize tamamen ücretsiz olarak sunulmaktadır.

İster staj, ister ilk iş… Eğitim yolculuğunuzda yalnız yürümeyeceksiniz.

Program Detayları

• Eğitim Süresi: 6 Ay

• Toplam Saat: 200 Saat

• Format: Online – Canlı Dersler

• Destek: Eğitmen, Yardımcı Eğitmen ve Birebir Mentörlük

Ders Günleri:

Her hafta Pazartesi, Çarşamba ve Perşembe 19:00 – 22:30 saatleri arasında teknik eğitimler gerçekleşir.

Soft skill ve kariyer odaklı içerikler ise haftalık olarak belirlenen takvime göre planlanır.

Online Katılım ve Kayıt Sistemi:

Tüm eğitim süreci dijital platformlar üzerinden canlı dersler şeklinde yürütülür.

Her ders interaktif olarak anlatılır ve oturumlar kayıt altına alınır.

Bu kayıtlar, yalnızca eğitim süresince değil, program tamamlandıktan sonra 1 yıl boyunca tüm katılımcıların erişimine açık olur.

Bu sistem, öğrenme sürecini kişiselleştirme ve tekrar etme imkânı sağlayarak eğitimden maksimum verim alınmasını hedefler.

Veri bilimi ve yapay zekâ, günümüz dünyasında veriye dayalı karar alma süreçlerinin merkezinde yer alan, hızla gelişen bir uzmanlık alanıdır. Büyük verinin gücünü anlamlandırmak, analiz etmek ve geleceğe yönelik tahminler oluşturmak isteyen herkes için bu alan güçlü bir kariyer fırsatı sunar.

Bu programa katılarak;

• Python programlama temellerini ve nesne yönelimli programlama (OOP) yapısını öğrenebilir,

• Veri temizleme, hazırlama, analiz etme ve görselleştirme becerileri kazanabilir,

• Regresyon, sınıflandırma ve kümeleme gibi makine öğrenimi algoritmalarını uygulamalı şekilde deneyimleyebilir,

• Derin öğrenme, sinir ağları (CNN, RNN) ve üretken yapay zekâ (Generative AI) modelleriyle çalışmayı öğrenebilir,

• LLM (Large Language Model) mimarileri, LangChain ve RAG yapılarıyla kendi yapay zekâ uygulamalarınızı geliştirebilirsiniz.

Ayrıca, BERT, GPT ve Hugging Face gibi güncel teknolojilerle üretken yapay zekâ sistemleri kurarak, gerçek veri setleri üzerinde proje bazlı bir deneyim elde edersiniz. Bu sayede hem teknik hem de analitik düşünme becerilerinizi geliştirerek sektöre güçlü bir giriş yaparsınız.

Kimler Katılabilir?

• Veri bilimi ve yapay zekâ alanlarında kariyer hedefleyen yeni mezunlar,

• Yazılım veya analitik alanda çalışan ve yapay zekâ alanında uzmanlaşmak isteyen profesyoneller,

• Teknik altyapısı olmasa da veri odaklı düşünme becerilerini geliştirmek isteyen herkes programa katılabilir.

Program, herhangi bir kodlama bilgisi gerektirmez. Eğitim içeriği temelden başlayarak adım adım ilerler ve tüm katılımcılara uygun bir yapı sunar.

Teknik Gereksinimler

Bu eğitimden en iyi şekilde faydalanabilmeniz için önerilen sistem özellikleri:

İşlemci: Intel i5 (7. nesil ve üzeri) veya AMD Ryzen 5 ve üzeri

RAM: En az 8 GB

İşletim Sistemi: Windows

Bağlantı: Stabil ve kesintisiz bir internet bağlantısı